Dissertação

Pervasive Electrocardiography and Health Monitoring EVALUATED

As doenças cardíacas são das mais perigosas e presentes condições em todo o mundo. O método mais utilizado para detectar e diagnosticar este tipo de doença é o Eletrocardiograma (ECG), que é uma técnica simples, não invasiva e de baixo custo para efeitos de diagnóstico e monitorização. Este trabalho foca-se em duas áreas principais: Eliminação de ruído e troços de sinal corrompido de batimentos cardíacos de um ECG e classificação de arritmias cardíacas. Para a primeira tarefa foram testados vários métodos, nomeadamente dois filtros de mediana com um filtro passa baixo de 40 Hz e métodos combinando diferentes "wavelets" e filtros de média móvel. No presente trabalho, os melhores resultados foram obtidos para a técnica que consistia em utilizar a decomposição com a wavelet quadrática de nível 6, que alcançou 0.835 de semelhança de cosenos. Após um passo de remoção de outliers, o resultado passou para 0.930. A temática de classificação consistiu em classificar os dados de ECG em 5 classes, usando Support Vector Machines (SVM) e K-nearest neighbors (KNN). Duas bases de dados foram utilizadas nesta tarefa, a base de dados MIT-BIH, usada como referência, cuja classificação atingiu uma exactidão de 88.70\% e a base de dados de Santa Marta (StM), cuja classificação atingiu uma exactidão de 81.06\%. Foram ainda realizados dois testes extra usando esta base de dados, um para testar o efeito do melhor método de remoção de ruído e troços de sinal corrompido na tarefa de classificação, o que melhorou os resultados em termos de exactidão.
Arritmias cardíacas, ECG, Support Vector Machine, Decomposição em Wavelet, Remoção de Outliers

Julho 4, 2018, 10:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rui Cruz Ferreira

Hospital de Santa Marta

Especialista

ORIENTADOR

Ana Luísa Nobre Fred

Departamento de Bioengenharia (DBE)

Professor Associado